高炉炼铁数据离群筛选办法

针对高炉炼铁过程中的数据离群问题,首先根据数据的不同特点对数据类型进行划分,选定针对性数据离群筛选办法,利用河北某钢铁企业的数据样本结合数据的实际状况进行分析,采用全局结合局部多层次的改进型箱线图离群筛选办法,对时序类数据进行筛选;采用以差值、目标参数强关联性数据为条件对K-means算法进行优化,对关联性数据的离群值...     

高炉炼铁数据离群筛选办法

针对高炉炼铁过程中的数据离群问题,首先根据数据的不同特点对数据类型进行划分,选定针对性数据离群筛选办法,利用河北某钢铁企业的数据样本结合数据的实际状况进行分析,采用全局结合局部多层次的改进型箱线图离群筛选办法,对时序类数据进行筛选;采用以差值、目标参数强关联性数据为条件对K-means算法进行优化,对关联性数据的离群值进行筛选;针对周期性统计类数据的分布聚集性特点结合数据实际情况,基于K-means算法采用差异化、多层次数据聚类分析,对其进行离群筛选。结果表明:采用的针对性办法对数据的离群筛选效果较为理想,充分验证了方法的可行性。     

基于非线性时间序列分析的贵金属产品出口数据预测

现代国际进出口贸易交流日益频繁,贵金属产品的出口数据也日益庞大,为适应时代现状对贵金属出口的交易数据除了要进行统计和分析外也需要实现进行数据预测,为此提出了数据预测模型,分别对贵产品出口数据的预测值和真实值进行计算,通过计算对预测数据进行修订实现模型的构建,并对该模型进行仿真实验和性能测试来验证模型的可行性和准确性,保证其使用价值。     

马钢冷轧总厂数字钢卷系统研发及应用

介绍了马钢冷轧总厂数字钢卷系统的体系结构,重点分析了数字化系统、网络与数据通信系统的构成以及数字信息在实际生产中的应用.该系统将分散的各个系统或单体设备的数据进行统一集中到一个数据平台,对数据进行统一、匹配和分析,再通过分析结果进行对生产工艺参数进行优化设置.     

基于数据分析的煤矿瓦斯管理信息的可视化研究

为加强在大数据背景下煤矿瓦斯监测技术管理的研究,借助大数据的优势提升安全管理与瓦斯防治水平.对大数据的特点以及国内外大数据在现状研究进行了分析,分析当前大数据在煤矿应用存在主要问题,重点对数据分析和信息可视化研究分析,并对未来大数据在煤矿安全技术管理的发展研究热点进行了展望.     

考虑加权排序的分类数据聚类算法

针对部分聚类算法对数据输入顺序敏感的问题,定义了不干涉序列指数,提出了应用不干涉序列指数对分类数据进行加权排序的方法,并基于该方法对受数据输入顺序影响的CABOSFV_C分类数据高效聚类算法进行改进,提出了考虑加权排序的聚类算法(CABOSFV_CSW),消除了算法对数据输入顺序的敏感性.采用UCI基准数据集进行实验,发现应用加权升序排序的CABOSFV_CSW算法在处理分类数据时,聚类质量较原始CABOSFV_C算法和其他受数据输入顺序影响的算法在准确性上有改善,在稳定性上有显著提高.     

多源数据融合技术在金属矿山地质勘查中的应用研究

金属矿产资源是国家工业发展的重要资源,矿产资源勘查影响着国家的经济发展。首先,对多源数据融合技术进行简单的介绍;其次,对金属矿山地质勘查中多源数据融合技术的应用流程进行分析,主要分为四步:选择数据、对数据进行预处理、数据融合和综合分析结果。经过多源数据融合技术在金属矿山地质勘查中的使用,可以使勘查的数据更加真实可靠。     

Delphi软件在焦油数据打印系统的应用

工控机利用Delphi软件读取GE控制系统中相关数据,实现对焦油生产过程中的一些重要数据进行集中显示,并且可以同时将显示结果进行数据打印、数据转移。     

基于SPSS Modeler质量控制关键点的监控与应用

为了提高炼钢过程中数据查询、提取的工作效率,使用数据挖掘工具SPSS Modeler,对重点钢种生产质量关键点数据进行自动提取,并进一步处理分析和应用,不仅提高了数据的处理效率,同时利用关键点数据对现行质量控制标准进行优化,提高生产质量管理水平.     

基于聚类欠采样的集成不均衡数据分类算法

传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度.     

基于合成核支持向量机的高光谱土地覆盖分类

提出一种基于合成核支持向量机的高光谱数据分类方法.该方法首先对高光谱数据进行分组,对得到的不同数据组分别运用支持向量机方法进行分类参数的优化,然后组合不同的核函数来综合不同的数据组,得到最终的分类结果.利用华盛顿地区HYDICE高光谱数据对所提出的方法进行评价和验证,结果表明,基于合成核支持向量机的高光谱图像分类,可获得比传统支持向量机更高的分类精度.     

炉前测宽仪误报问题分析及数据的预处理

在应用炉前测宽仪数据对板坯宽度和成品宽度进行在线预警时,出现炉前测宽仪误报的情况.通过对误报的问题进行排查分析,发现主要原因是在线预警时未考虑到板坯物流以及手清板坯边部不平整的因素,导致应用的数据偏离了实际值以及出现了数据断续分布的现象.对数据进行预处理后再进行在线预警判断,能降低炉前测宽仪误报的发生概率,提高炉前测宽...     

大数据在民航空管的应用及展望

随着互联网时代的到来,大数据成了当下各行各业发展的重要指标。民航空管也积极响应时代的召唤,投身到大数据的建设中去。文章先介绍大数据和空管大数据概念,然后分析当前空管对大数据的几个实例应用,再对空管大数据进行展望。     

光谱标样在能谱定量分析中的应用

使用能谱仪对直读光谱标样进行分析,建立标样数据。选取较常见的7个钢种,分别运用能谱数据库标样数据和自建的直读光谱标样数据进行定量分析,结果表明,采用后者进行的非归一化定量分析结果偏差和总量偏差明显小于前者。     

基于振荡序列的黄金价格动态建模及预测

对黄金价格预测时常采用大样本数据建模方法,该方法首先对数据进行统计分析,找到数据内在统计特征,再寻求符合该特征的模型;但该方法在数据统计分析时受到统计手段和方法的约束,数据本身的内在特征往往不能充分反映,因此模型的选择受到限制。针对黄金价格数据不具有趋势性变化的特征,利用灰色GM(1,1)系统建模理论、数据驱动建模原理及振荡序列的数据处理方法,建立了基于振荡序列的黄金价格动态预测模型。该模型不仅对黄金价格数据自身存在的振荡性进行了处理,避免了数据大波动,同时利用动态数据驱动方法不断更新数据,提高了预测精度。     

基于深度学习的带钢精轧过程自由宽展预测

为提高带钢精轧过程宽度的控制精度,以实际生产数据为驱动,建立深度学习网络模型,对自由宽展进行预测。采用拉伊达准则对实际生产数据进行清洗,对清洗后的数据进行相关性分析,并提取相关系数大于给定阈值的特征。基于预处理后的特征数据,对深度学习网络进行训练,建立自由宽展预测模型。针对测试实例,分别采用该模型与传统数学模型进行预测,并从均方误差、最大偏差以及误差分布等多个方面进行对比分析。结果表明,所建立的深度学习预测模型,具有更高的预测精度和更好的性能指标。     

基于GPS-RTK技术的煤矿开采沉陷监测的研究

提出采用GPS-RTK技术对煤矿开采沉陷进行监测,并对矿井开采条件以及地表沉陷监测面临问题进行了分析,对GPS-RTK技术原理以及技术优势进行了阐述及现场地表沉陷监测结果进行了分析,同时对比分析了静态CPS测量、GPS-RTK数据,后基于静态CPS测量数据对GPS-RTK测量数据进行修正,现场应用表明GPS-RTK技术具有较高的测量精度,可满足采空区地表沉陷监测需求。     

工业物联网在轧机刚度分析中的探索应用

在热轧产线利用轧机换辊后标定的工序,对轧机刚度分析所需数据进行采集,通过刚度数据分析对轧机的劣化趋势进行预警提示。该方法的使用不需要改变现有设备及控制,对轧机参数进行条件采集、过滤、整合、计算等,最终测出有效的刚度数据,通过以太网将刚度数据发送到云端服务器的数据库,云端服务器内部署的数据分析系统对刚度数据进行分析,将运算结果推送到手机端APP进行实时数据显示、历史趋势查询、劣化趋势预警等,提高生产管理人员对轧机的掌控程度。     

基于PCA-DBN的热连轧数据特征提取

在热连轧生产过程中会产生大量的数据,使用这些海量数据进行诊断和预报非常困难,运算时间较长,甚至会导致"维度灾难"。因此,需要对特征进行提取,去除冗余和不相关的特征。提出基于主成分分析-深度置信网络(principal component analysis-deep belief network,简称PCA-DBN)的热连轧数据特征提取,采用主成分分析(principal component analysis,简称PCA)对数据集进行特征提取,并将选择出的特征按照贡献率可视化,直观显示提取的特征。二次特征提取采用深度置信网络(deep belief network,简称DBN)对已提取数据集进行二次特征提取。将最终得到的数据集作为粒子群优化的最小二乘支持向量机(particle swarm optimization-least squares support vector machine,简称PSO-LSSVM)对精轧轧制力进行预报的数据集,以检验特征提取的合理性。试验显示,预报相对误差要小于机理模型预报相对误差,说明提取特征比较合理。     

基于经验模态分解的大数据波束形成方法

通过对大数据进行波束形成处理,提高大数据的挖掘和聚类能力,传统方法采用模糊C均值聚类进行大数据波束形成,抗干扰性能不强,提出一种基于经验模态分解的大数据波束形成方法。首先分析的大数据的数据结构和时间序列处理模型,然后通过经验模态分解实现对大数据序列的特征提取和波束形成。仿真结果表明,采用该方法进行大数据波束形成处理,提高了大数据挖掘和聚类性能,收敛性和抗干扰性较好。